Google DeepMind представила AlphaGenome 2 для аналізу генетичних змін на рівні окремих клітин

Google DeepMind випустила AlphaGenome 2 — модель штучного інтелекту для геномних досліджень. Вона прогнозує, як генетичні варіанти впливають на конкретні типи клітин людини, і виявляє майже вдвічі більше релевантних змін у генах, ніж попередня версія.

Усі клітини людського організму мають однаковий набір ДНК, але в різних типах клітин активуються різні гени. Наприклад, клітина серцевого м’яза зчитує ДНК інакше, ніж імунна клітина. Передбачити такі відмінності — одне з важливих невирішених завдань геноміки. AlphaGenome 2 має допомогти дослідникам з’ясувати, які клітинні процеси пов’язані з розвитком хвороб.

Модель прогнозує, як послідовності ДНК та їхні варіанти впливають на окремі типи клітин людини. За даними Google DeepMind, її навчали на понад 107 мільйонах профілів окремих клітин із 68 тканин людини та мишей.

Від аналізу тканин — до окремих клітин

Попередня модель AlphaGenome отримувала послідовність ДНК завдовжки в мільйон літер і прогнозувала її властивості за тисячами експериментів із різними тканинами. За оцінкою Google DeepMind, такий паралельний підхід надмірно розпорошував ресурси моделі й ускладнював виявлення тонких відмінностей між спорідненими типами клітин.

AlphaGenome 2 натомість працює як умовна модель: крім послідовності ДНК, вона отримує опис конкретного біологічного стану й обчислює вплив для відповідного типу клітин. Для цього її навчали на понад 107 мільйонах профілів окремих клітин із 68 тканин людини та мишей.

Модель прогнозує не лише рівень активності генів, а й те, як ДНК фізично упакована в ядрі та які її ділянки доступні. Крім того, AlphaGenome 2 може передбачати метилювання ДНК — хімічні мітки, що діють як молекулярні перемикачі й приглушують або активують гени.

AlphaGenome 2 також може відновлювати відсутні дані за одним вимірюванням. Наприклад, якщо дослідники знають лише активність генів у клітині, модель спрогнозує інші характеристики — зокрема, наскільки щільно упаковані певні ділянки ДНК. Це може допомогти визначити, які лабораторні експерименти варто провести далі.

Модель точніше визначає гени, пов’язані з хворобами, і реакцію на вакцину

У тесті на наборі даних TenK10K, що охоплює 28 первинних типів імунних клітин, AlphaGenome 2 визначила близько 30% причинних генетичних варіантів. У 43% випадків модель також правильно спрогнозувала, чи посилює варіант активність гена, чи знижує її. Версія AlphaGenome 1, додатково налаштована для цього завдання, показала результати 16% і 23% відповідно. Модель також значно точніше описує безперервні зміни, наприклад дозрівання стовбурових клітин крові до еритроцитів.

Працюючи лише обчислювально, модель відтворила механізм запального захворювання кишківника, раніше описаний у дослідженні. Вона визначила конкретний варіант ДНК у регуляторному перемикачі, розташованому далеко від гена. Цей варіант вибірково надмірно активує ETS2 у макрофагах кишківника, тоді як інші типи клітин і гени переважно не зачіпає.

Нова архітектура може працювати з даними експериментів, на яких її не навчали, без додаткового перенавчання. Дослідники можуть передати моделі дані про активність генів лише з кількох десятків клітин, а вона обчислить вплив для такого раніше не описаного клітинного стану. За даними DeepMind, у багатьох випадках модель перевершує спеціалізовані системи, навчені безпосередньо на цих даних.

На даних дослідження мРНК-вакцини проти COVID-19 модель розрізнила Т-клітини, активовані вакциною, і клітини у стані спокою. Вона також показала, що генетичний варіант, пов’язаний із тяжким перебігом COVID-19, порушує клітинну активність переважно в активованому стані. У клітинах спокою цей ефект залишився б непомітним.

Попередні прогнози мають поєднати генетику людини з клітинною біологією

DeepMind уже попередньо обчислила прогнози для сотень станів клітин і тканин, зокрема для підтримки розроблення ліків за допомогою ШІ. Ці дані також можуть допомогти аналізувати повногеномні дослідження асоціацій (GWAS). Такі масштабні дослідження пов’язують ділянки ДНК із певними ознаками — наприклад, зростом або діабетом 2-го типу, — але часто лише приблизно локалізують сигнали у великих регіонах геному.

AlphaGenome 2 звужує коло ймовірних причинних варіантів і визначає типи клітин, на які вони впливають, наприклад астроцити мозку або окремі імунні клітини. Якщо впевненість моделі достатньо висока, вона також прогнозує, чи посилить мутація активність гена, чи знизить її. Це може бути важливо для розроблення ліків.

AlphaGenome 2 уже доступна через API для некомерційних досліджень. Комерційні користувачі можуть отримати доступ до неї в межах закритого попереднього тестування. Модель не схвалена для клінічної діагностики. DeepMind також планує найближчим часом додати спеціальні функції AlphaGenome 2 до платформи для розроблення агентних систем Google Antigravity. Там модель мають поєднати з інструментами на кшталт Gemini 4 для автоматизованих дослідницьких процесів.

Докладніше про модель — у матеріалі AlphaGenome 2.

Нагадаємо, показовий випадок із фармкомпанією засвідчив зміну вимог: FDA вимагало результати, отримані на системах «орган-на-чипі» або за допомогою подібної альтернативи, попри надані дані дослідів на тваринах.